荷蘭公私協力機制PPP
自2012年來，荷蘭政府鼓勵荷蘭科學研究機構(Netherlands Organization for Scientific Research, NWO) 隸屬教育文化科學部(Ministry of Education, Culture and Science, OCW)積極推動與9大重要領域(Top Sectors)與企業相關研究的合作，NWO同時是政策實施機構也是創新研發機構。OCW每年資助約275億歐元在重要領域，其中有超過100億歐元在協助公私協力機制 ( Public-Private Partnerships, PPP)。近年來，OCW增加編列給NWO的預算，2014年增加2千5百萬歐元；2015-2017年增加7千5百萬歐元；2018年預計增加1億歐元。PPP 參與者為研究機構（例如大學機構、公私立研究機構）及民間企業（國內國外企業皆可）。主要規範依據NWO-Framework for Public-Private Partnership，合作後以聯盟(consortium)形式運作，聯盟成員間可以契約個別約定合作內容，但相關權利義務仍須遵循NWO-Framework for Public-Private Partnership。關於既有智慧財產權之使用方式，聯盟成員間須另外約定非無償使用。為實現該聯盟之研發目的， NWO為主要出資者時，可成為該研發成果之所有人或共有人，待研發成果運用及收益可以獲得妥善安排時，得將研發成果轉讓予能將研發成果運用效益最大化之人。原則上，參與PPP的企業並不當然有優先權可將該研究成果運用於商業用途，除非參與企業出資額幾乎達到整個研發支出的百分之百，且已簽訂研發成果書面授權或轉讓契約後，始能將該研發成果運用於商業用途。
本文為「經濟部產業技術司科技專案成果」
韓國預告人工智慧基本法施行令修正草案──以公共部門先行及創業研發支援強化AI產業育成 資訊工業策進會科技法律研究所 2026年06月30日 韓國科學技術情報通信部（과학기술정보통신부，以下簡稱「韓國科技部」）於2026年5月21日，就《人工智慧發展與信賴基礎建立等基本法施行令》（인공지능 발전과 신뢰 기반 조성 등에 관한 기본법 시행령，以下簡稱《施行令》）部分修正草案展開立法預告，以配合先前修正之《人工智慧發展與信賴基礎建立等基本法》（인공지능 발전과 신뢰 기반 조성 등에 관한 기본법，以下簡稱《AI基本法》）於2026年7月21日施行，俾強化人工智慧產業之育成[1]。 壹、背景摘要 韓國《AI基本法》修正案，係由多位國會議員提案之9件修正法律案經朝野合意整併而成，於2025年12月30日經韓國國會通過，並於2026年1月20日公布。其中國家人工智慧戰略委員會改組、專門人力支援等得即時施行之事項，已配合本法2026年1月22日之施行日先行施行；至公共部門人工智慧導入運用等須由下位法令具體化之事項，則與本次《施行令》修正草案同於2026年7月21日施行[2]。 貳、重點說明 《施行令》原就推進體系、產業育成及倫理信賴性確保等事項予以規範；本次修正草案則就前述《AI基本法》修正後新增之授權事項加以具體化，主要涉及公共部門人工智慧之導入運用、人工智慧研究所之設立運營、弱勢族群之近用及費用支援，以及人工智慧創業之促進等。茲就弱勢近用、公共部門先行及創業研發支援三方面，分述如次： 一、弱勢族群近用之保障與補助支援 考量高成本、高效能之人工智慧服務若僅少數人得以負擔，恐擴大實質之社會落差，《AI基本法》修正後增訂保障弱勢族群近用並提供補助支援之依據。《施行令》修正草案第2條之2乃將「人工智慧弱勢族群」之範圍予以具體化，除身心障礙者、65歲以上高齡者、基礎生活保障受給者等傳統弱勢外，並納入職涯中斷婦女、求職者、設於非首都圈之中小企業在職者、農漁業人等，以縮小區域與族群間之近用差距[3]。 二、公共部門先行採購及承辦人員免責 為使政府成為人工智慧應用之示範者並擴大市場需求，《AI基本法》第16條第3項明定國家機關等採購產品服務或發包勞務時，應優先考量人工智慧產品與服務；同條第4項並定明因該採購或使用致國家機關等受有損害，而承辦人員無故意或重大過失者，得予免責，藉以降低公務員採用新技術之顧慮。《施行令》修正草案第15條進而界定享有優先考量之產品服務範圍，以「依《AI基本法》第26條第1項設立之法定團體韓國人工智慧振興協會（한국인공지능진흥협회）確認確屬運用人工智慧或其技術者」，及「其他經韓國科技部長以告示指定者」為限；至其確認之基準及程序，另由韓國科技部長定之，以保留因應市場推陳出新之彈性[4]。 三、創業資金與人工智慧研究所之設立支援 於創業與研發支援方面，《施行令》修正草案第15條之3明定中央行政機關之長，得與中小新創企業部長（중소벤처기업부）協議後，請由韓國創業投資公司（한국벤처투자）運用創業投資母基金（모태펀드）訂定人工智慧產業相關投資計畫，以間接挹注人工智慧新創。另就大學及企業經韓國科技部長許可設立之「人工智慧研究所」（인공지능연구소），《施行令》修正草案第16條之2至第16條之4就其設立要件、許可程序、變更申報及國家支援經費等予以規定；其設立要件包含具備自立運營之財務能力、5名以上專責研發人力、高效能運算資源、研究資料保護措施及3年期事業計畫書等，俾透過多元管道投入創新人工智慧技術之開發[5]。 參、事件評析 韓國本次修正草案之重點，在於以公共部門先行帶動人工智慧需求面之擴散。其要求國家機關等採購產品服務或發包勞務時應優先考量人工智慧產品與服務。特別是，韓國承辦人員於無故意或重大過失時之採購免責一併入法，直接回應公務員採用人工智慧新技術之顧慮。此外，修正草案更增訂創業投資母基金、人工智慧研究所及優先採購等促進手段，呈現促進與規制雙軌並行之立法取向。 我國《人工智慧基本法》於民國114年12月23日經立法院三讀通過。該法第10條規定政府應積極推動人工智慧研發、應用及基礎建設，妥善規劃資源整體配置，並辦理人工智慧相關產業之補助、委託、出資、投資、獎勵、輔導，或提供租稅、金融等財政優惠措施。而於公共部門先行示範方面，雖無明文要求，但我國亦已有相當布局，數位發展部已建置「政府人工智慧應用平臺」（TryAI），彙整各機關之共通需求，廣邀國內業者開發生成式人工智慧工具上架「AI Bots市集」，供機關先行試用確認符合業務需求後，再循「共同供應契約」採購，藉以降低試錯成本並為國內業者創造市場[6]。惟相較於韓國，我國上開措施多屬行政指導與便利採購之性質，尚乏「優先採購」及「採購免責」之規範明文。 政府為人工智慧之重要採購者及應用者，其先行示範對市場具顯著之引導作用，而以人工智慧提供服務所生之風險，又常為承辦公務人員所顧慮。韓國以優先考量採購擴大需求、以採購免責降低公務員顧慮之入法設計，可供我國於後續作用法及採購相關規範之研修中參酌，俾使政府不僅為人工智慧之審慎使用者，亦為產業發展之帶動者。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://www.tips.org.tw） [1]韓國科學技術情報通信部公告第2026-0603號，〈人工智慧發展與信賴基礎建立等基本法施行令部分修正令（案）立法預告〉，2026年5月21日，轉引自韓國國會圖書館國家戰略入口網，https://nsp.nanet.go.kr/trend/latest/detail.do?latestTrendControlNo=TREN0000004090（最後瀏覽日：2026/06/26）。 [2]同前註。 [3]《施行令》修正草案第2條之2。並參法務法人大陸亞洲，〈科技部「AI基本法施行令」修正草案立法預告〉，法律新聞（韓國），2026年6月25日，https://www.lawtimes.co.kr/news/articleView.html?idxno=222514（最後瀏覽日：2026/06/26）。 [4]《AI基本法》第16條第3項、第4項；《施行令》修正草案第15條。依該條，公共採購優先考量之對象，以「依《AI基本法》第26條第1項設立之韓國人工智慧振興協會（한국인공지능진흥협회）確認確屬運用人工智慧或其技術之產品或服務」及「其他經韓國科技部長告示者」為限；其確認之基準及程序，由韓國科技部長另定告示。 [5]《AI基本法》第18條第3項、第22條之2；《施行令》修正草案第15條之3、第16條之2至第16條之4。 [6]〈數發部推「政府AI應用平臺」，共創公私協作AI應用新生態〉，數位發展部，https://moda.gov.tw/press/press-releases/17952（最後瀏覽日：2026/06/26）。
美國4州及司法部指控資料處理商（Agri Stats）的資料共享行為涉及聯合行為美國明尼蘇達州、加州、北卡羅萊納州及田納西州之檢察總長於2023年11月加入「美國司法部（U.S. Department of Justice, DOJ）在同年9月對於肉品產業資料提供者（Agri Stats, Inc.，以下簡稱Agri Stats）提起的反壟斷訴訟」中，主張Agri Stats透過報告方式將肉品數據資料分享給訂閱服務之肉類加工商，此類資料共享行為削弱了市場競爭關係造成聯合行為，違反了休曼法（Sherman Act）。以下先就此案背景進行說明，以釐清此案象徵意義。 於2023年2月，美國司法部反壟斷部門撤回3項與資訊共享相關的聲明，該3聲明是為了醫療保健產業而發布，其中就資料分享之安全使用方式亦可讓其他產業的資料提供業者評估其資料分享行為是否造成反壟斷行為，惟在目前AI／演算法技術變革之下，利用共享所得之資料反推競爭對手之競爭策略具有可行性，因此當年認為有助於促進競爭之資料共享行為，現在反而有造成聯合行為之可能，故廢棄該3項已過時的聲明。 於2023年9月28日，美國司法部反壟斷部門於明尼蘇達州指控Agri Stats違反休曼法。Agri Stats為專門彙整、分析美國豬肉與家禽（肉雞、火雞）相關商業資料的資料處理商，並將其分析報告提供給具競爭關係的肉品加工商，肉品加工商可透過將Agri Stats分析報告反推以監控／預測出競爭對手之價格、供應量、營運計畫等，並依分析報告建議進行價格調高與減產的行為，而被美國司法部認定為聯合行為。 該訴訟所涉及的肉品加工商占了全美家禽（肉雞與火雞）銷售量的9成以上，豬肉銷售量的8成以上。目前已有前述4州加入該訴訟，法院後續會如何認定，將影響產業間的資料交換作法，也顯現出資料商業化前須先做好資料管理，確保在合規的範圍內進行資料利用，國內廠商可參資策會科法所公布之《重要數位資料治理暨管理制度規範（EDGS）》對自身資料管理機制進行檢視。 本文同步刊登於TIPS網站（https://www.tips.org.tw/）
美國針對政府雲端運算應用之資訊安全與認可評估提案為建構政府雲發展的妥適環境，美國於今年度啟動「聯邦風險與認可管理計畫」（Federal Risk and Authorization Management Program, FedRAMP），由國家技術標準局（National Institute of Standards and Technology, NIST）、公共服務行政部(General Service Administration)、資訊長聯席會(CIO Council)及其他關連私部門團體、NGO及學者代表共同組成的跨部會團隊，針對外部服務提供者提供政府部門IT共享的情形，建構一個共同授權與持續監督機制。在歷經18個月的討論後，於今（2010）年11月提出「政府雲端資訊安全與認可評估」提案（Proposed Security Assessment & Authorization for U.S Government Cloud Computing），現正公開徵詢公眾意見。 在FedRAMP計畫中，首欲解決公部門應用雲端運算所衍伸的安全性認可問題，因此，其將研議出一套跨部門共通性風險管理程序。尤其是公部門導入雲端應用服務，終究會歸結到委外服務的管理，因此本計劃的進行，是希望能夠讓各部門透過一個機制，無論在雲端運算的應用及外部服務提供之衡量上，皆能依循跨機關的共通資訊安全評定流程，使聯邦資訊安全要求能夠協調應用，並強化風險管理及逐步達成效率化以節省管理成本。 而在上述「政府雲端資訊安全與認可評估」文件中，可分為三個重要範疇。在雲端運算安全資訊安全基準的部份，主要是以NIST Special Publication 800-535中的資訊安全控制項作為基礎；並依據資訊系統所處理、儲存與傳輸的聯邦資訊的敏感性與重要性，區分影響等級。另一部份，則著重在持續性的系統監控，主要是判定所部署的資訊安全控制，能否在不斷變動的環境中持續有效運作。最後，則是針對聯邦資訊共享架構，出示模範管理模式、方策與責任分配體系。
世界衛生組織發布人工智慧於健康領域之監管考量因素文件，期能協助各國有效監管健康領域之人工智慧世界衛生組織（World Health Organization, WHO）於2023年10月19日發布「人工智慧於健康領域之監管考量因素」（Regulatory considerations on artificial intelligence for health）文件，旨在協助各國有效監管健康領域之人工智慧，發揮其潛力同時最大限度地降低風險。本文件以下列六個領域概述健康人工智慧之監管考量因素： （1）文件化與透明度（Documentation and transparency） 開發者應預先規範（pre-specifying）以及明確記錄人工智慧系統（以下簡稱AI系統）之預期醫療目的與開發過程，如AI系統所欲解決之問題，以及資料集之選擇與利用、參考標準、參數、指標、於各開發階段與原始計畫之偏離及更新等事項，並建議以基於風險之方法（Risk-based approach），根據重要性之比例決定文件化之程度、以及AI系統之開發與確效紀錄之保持。 （2）風險管理與AI系統開發生命週期方法（Risk management and AI systems development lifecycle approaches） 開發者應在AI系統生命之所有階段，考慮整體產品生命週期方法（total product lifecycle approach），包括上市前開發管理、上市後監督與變更管理。此外，須考慮採用風險管理方法（risk management approach）來解決與AI系統相關之風險，如網路安全威脅與漏洞（vulnerabilities）、擬合不足（underfitting）、演算法偏差等。 （3）預期用途、分析及臨床確效（Intended use, and analytical and clinical validation） 開發者應考慮提供AI系統預期用途之透明化紀錄，將用於建構AI系統之訓練資料集組成（training dataset composition）之詳細資訊（包括大小、設定與族群、輸入與輸出資料及人口組成等）提供給使用者。此外，可考慮透過一獨立資料集（independent dataset）之外部分析確效（external analytical validation），展示訓練與測試資料以外之效能，並考慮將風險作為臨床確效之分級要求。最後，於AI系統之上市後監督與市場監督階段，可考慮進行一段期間密集之部署後監督（post-deployment monitoring）。 （4）資料品質（Data quality） 開發者應確認可用資料（available data）之品質，是否已足以支援AI系統之開發，且開發者應對AI系統進行嚴格之預發布評估（pre-release evaluations），以確保其不會放大訓練資料、演算法或系統設計其他元素中之偏差與錯誤等問題，且利害關係人還應考慮減輕與健康照護資料有關之品質問題與風險，並繼續努力創建資料生態系統，以促進優質資料來源之共享。 （5）隱私與資料保護（Privacy and data protection） 開發者於AI系統之設計與部署過程中，應考慮隱私與資料保護問題，並留意不同法規之適用範圍及差異，且於開發過程之早期，開發者即應充分瞭解適用之資料保護法規與隱私法規，並應確保開發過程符合或超過相關法規要求。 （6）參與及協作（Engagement and collaboration） 開發者於制定人工智慧創新與部署路線圖之期間，需考慮開發可近用且具有充足資訊之平台，以於適合與適當情況下促進利害關係人間之參與及協作；為加速人工智慧領域實務作法之進化，透過參與及協作來簡化人工智慧監管之監督流程即有必要。